质量管理中心极限定理.pptVIP

* 及 中心极限定理 定理一 设随机变量X1 , X2 ,…, Xn , …相互独立,且 具有相同的数学期望和方差: E(Xk)=?,D(Xk)=?2(k=1,2,…) 作前 n 个随机变量的算术平均 一 大数定律 频率具有稳定性，大量测量值的算术平均值也具有 稳定性，这种稳定性就是大数定律的客观背景。 则对于任意正数ε有 定理的意义：当n很大时X1,X2 ,…, Xn的算术平均值 这种接近 是在概率意义下的接近. 通俗地讲, 在定理的条件下, n个随机变量的算术平均,当n无限增大时将几乎变成一个常数。 设Y1 , Y2 , … , Yn是一个随机变量序列，a是一个 常数，若对于任意e0有 则称序列Y1 , Y2 , … , Yn依概率收敛于a,记为 故上述定理一又可叙述为： 定理一 设随机变量 X1,X2 ,…, Xn,…相互独立,且具 有相同的数学期望和方差: E(Xk) =?, D(Xk)=?2 (k=1,2,…) 则序列 定理二 (贝努利定理)设nA是n次独立重复试验中事 事件A发生的次数 , p是事件A在每次试验中发生的概率， 依概率收敛的序列还有以下的性质 则对于任意正数e 0,有 或 (1.2) 证 引入随机变量 显然 nA=X1+X2+····+Xn . 由于Xk只依赖于第k次试验，而各次试验是独立的.于是 X1 , X2 ,···是相互独立的;又由于Xk服从(0--1)分布，故有 E(Xk)=p , D(Xk ) = p(1-p), k=1, 2, ··· , n , ···. 由定理一有 即 贝努利定理表明事件A发生的频率nA/n依概率收敛于事件 的概率p，且以严格的数学形式表达了频率的稳定性。n 很大时，事件发生的频率与概率的偏差很小, 故可用频率 代替概率。 定理一中要求X1 ,X2 ····的方差存在。 但服从相同分布的场合，并不需要这一要求，故有以下定理。 定理三(辛钦定理) 设随机变量 X1,X2 ,…, Xn,…相互 独立, 服从同一分布,且具有相同的数学期望 E(Xk)=m (k=1,2,···),则对于任意正数e，有 (1.3) 二 中心极限定理 有些随机变量,它们是由大量相互独立的随机因素综合影响所形成的,而其中每一个别因素在总的影响中所起作用都是很微小的。这种随机变量往往近似服从正态分布。 证略。易见贝努利定理是辛钦定理的特殊情况 定理四(独立同分布的中心极限定理) 设随机变量X1, X2 ,…, Xn,…相互独立, 服从同一分布,且具有数学期望和 方差：E(Xk)=m, D(Xk)=s2?0(k=1, 2,…),则随机变量 的分布函数Fn(x)对于任意x满足 (2.1) 证略。 例1：据以往经验，某种电子元件的寿命服从均值为100小时的指数分布，现随机的取16只，设它们的寿命是相互独立的，求这16 只元件的寿命的总和大于1920小时的概率? 解：设 Xk 表示第k只元件的寿命 （k=1,2,3,…….16) 则 Xk 服从指数分布，E(Xk)=100， D(Xk)=10000 设 Z= X1+X2+……+X16 则所求概率为： 由于：E(xk)=100, D(xk)=1002 则 定理五(李雅普诺夫Liapunov定理) 设随机变量X1,X2 , …, Xn,…相互独立, 且它们具有数学期望和方差： 若存在正数d,使得当n??时， 则随机变量 的分布函数Fn(x)对于任意x,满足 证明略。 定理五表明，在定理的条件下，随机变量Zn ,当n很大时， 服从正态分布N(0,1)。由此，当n很大时 近似服从正态分布 即就是说,无论各个Xk具有怎样的分布, 只要满足定理 的条件, 那么其和?Xk ,当n很大时, 近似地服从正态分布. 例 如城市耗电量是大量用户耗电的总和。物理实验误差是由 许多观察不到的、可加的小误差构成，故服从正态分布。 定理六(德莫佛 -拉普拉斯De moiver-Laplace定理) 设随机变量hn(n=1, 2, ···)服从参数为n , p(0p1)的二 项分布，则对于任意x,恒有 (2.3) 证 由前面知可以将hn看成是n个相互独立、服从同一 (0--1)分布的诸随机变量X1, X2 ,…, Xn之和，即有 其中Xk